تحلیل حساسیت متغیرهای ورودی در مدل های خطی تعمیم یافته
در دنیای امروزی با استفاده از فرآیند مدل سازی آماری می توان پدیده های طبیعی را جهت تحلیل و پیش بینی اتفاقات مورد بررسی، بکار برد. در بسیاری از روش های مدل سازی آب شناسی از اطلاعات موجود به بهترین وجه استفاده نمی شود به این دلیل که مدل های آب شناسی فرایندهای محیطی را در طیف وسیعی نشان می دهند که باعث افزایش پیچیدگی مدل می شود. در هنگام پیش بینی به طور مشخص پارامترها بر عملکرد مدل های آماری تاثیر می گذارند. وجود عدم قطعیت در بسیاری از مسایل ارزیابی ریسک در پارامترها منجر به عدم قطعیت در پیش بینی های مدل می شود. تحلیل حساسیت کلی ابزاری است که برای نشان دادن عدم قطعیت استفاده می شود و در تصمیم گیری، ارزیابی ریسک، ساده سازی مدل ها و غیره کاربرد دارد. دو روش تحلیل حساسیت فاصله مینکوفسکی و تحلیل حساسیت منطقه ای روش هایی هستند که می توانند با یک مجموعه نمونه داده شده از جفت های ورودی - خروجی مدل کار کنند. یک تفاوت قابل توجه بین این دو روش آن است که تحلیل حساسیت فاصله مینکوفسکی، توزیع های خروجی را مشروط به مقادیر ورودی (پیشرو) تحلیل می کند در حالی که تحلیل حساسیت منطقه ای، توزیع های ورودی را مشروط به مقادیر خروجی تحلیل می کند (معکوس). در این مقاله به تعیین روابط روش های حساسیت کلی (فاصله مینکوفسکی و منطقه ای) پرداخته و نشان داده خواهد شد، هنگامی که تحلیل حساسیت منطقه ای بر توابع چگالی احتمالی متمرکز شود به سمت تحلیل حساسیت فاصله مینکوفسکی همگرا می شود. همچنین مشابه شاخص های حساسیت پیشرو می توان شاخص های حساسیت معکوس را به دست آورد. سرانجام به تحلیل حساسیت یک طرح ذخیره سازی آب با استفاده از مدل های مد با ابعاد بالای خروجی های مدل پرداخته می شود.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.